编辑推荐：
这篇综述聚焦于复杂运动技能控制中的预测策略。从个体控制复杂物体，到人际联合动作协调，揭示人们会运用 “预测技巧” 提升可预测性。但预测机制仍存争议，未来研究需区分预测性和非预测性理论。这对运动控制研究及相关应用意义重大。
引言
人类无论是个体还是团队协作，都能展现出精湛的运动技能，如运动员在体操、排球、足球比赛中的精彩表现，就连端一杯咖啡这样看似平常的日常活动，也蕴含着运动控制的奥秘。如何协调高维度的身体与复杂物体的互动，是运动控制和神经科学领域尚未解决的关键问题，其研究成果对体育科学、康复医学和机器人学有着重要的应用价值。
控制理论、信息论、非线性动力学等学科的原理，以及近年来兴起的主动推理（active inference）方法，为理解人类如何控制自身行为和互动提供了理论支持。主动推理框架认为，大脑通过生成关于预期运动结果（本体感受和外部感受）的预测，并控制行为以最小化预测误差，即实际感觉与预测结果之间的差异，来实现运动控制。然而，在实际的复杂运动技能场景中，身体和工具的动态变化往往难以预测，如处理具有高维非线性动力学的工具（鞋带、鞭子）、击打快速运动的球、进行需要预测他人动作的联合行动（篮球、足球、抛接球游戏）等，这给基于统计规律的预测和控制带来了挑战。
不过，运动行为通常存在冗余性，即完成一项任务往往有多种解决方案，其可预测性各不相同。由此产生两个假设：一是学习复杂运动技能可能依赖于探索具有可预测性和可控性的任务解决方案子空间；二是人们可能会通过自身行为选择和创造可利用的统计规律，使复杂的感觉运动任务更具可预测性和可实现性。本文将探讨两组研究，阐述人们在个体运动控制和伙伴间联合行动中如何运用 “预测技巧”。同时，在运动控制的预测性和非预测性理论中，对可预测性的理解存在差异，这在评估相关研究文献时需加以区分。
个体运动控制中的可预测性
准确的运动控制需要持续监测执行动作是否以及如何接近设定目标。过去三十年，运动控制研究常采用视觉运动旋转和力场范式来探究适应策略，这些场景属于闭环控制，参与者能实时获取动作反馈。在这种背景下，最优反馈控制（optimal feedback control）框架被应用于感觉运动控制，其旨在通过平衡前馈和反馈控制来最小化成本，前馈控制部分需要预测以克服感觉延迟，这在接球等需要预测物体运动的任务中尤为关键。但该框架也面临挑战，因为实时预测困难，且物体与主体的互动并非总能轻易预测。
有趣的是，近期研究发现人类会通过使互动更具可预测性来简化具有挑战性的控制任务。例如，在与类似人类肢体动力学的双摆互动时，参与者能利用共振特性；在控制非刚性物体方面，虽然相关研究较少，但人类在操纵复杂欠驱动物体（如鞭子、端咖啡杯）时展现出了高超的灵活性。研究人员通过模拟端咖啡杯任务（杯中放球滚动）发现，参与者会优先考虑可预测性，而非传统的目标（如省力、动作平滑），他们会采用使输入产生更易处理和可预测输出的控制策略，还会选择特定的初始条件来增强系统的可预测性和可控性。在控制鞭子时，参与者同样会调整投掷的初始条件，将复杂运动转化为更简单的行为以提高命中率。此外，对倒立摆控制的研究表明，成功的参与者会降低状态访问的可变性，以增加动作可变性为代价，追求更稳定、更具可预测性的解决方案，凸显了可预测性在优化控制策略中的关键作用，但该研究未直接验证参与者是否真的预测了倒立摆的运动，有待后续研究探索。
联合行动中的可预测性
人类在联合行动中表现出色，如划船、组装家具、共同摆放餐桌等，这些活动都需要与伙伴精确协调动作和时间。近期研究揭示，在联合行动中，人们会采用多种机制，包括动作同步、预测伙伴动作、推断他人心理状态（mentalizing）等。其中，动作预测和心理状态推断虽然具有挑战性，但人类能够高效实时地完成。研究发现，通过观察他人的运动学特征，我们可以获取其意图信息，例如观察抓握动作的细微变化能推断出抓握物体后的目的（倒水、喝水），手臂和手部的预形状能揭示即将抓取的物体。此外，人类还能利用投掷者的运动学线索提高接球成功率，而专业投掷者则会采用欺骗策略干扰对方预测。
运动学特征蕴含丰富信息，不仅可用于预测未来动作和推断意图，其编码的信息量还能被精确量化。近期研究开始探索联合行动中人际交流的神经基础，发现顶内小叶参与解读观察到的动作，运动前皮层的抑制和兴奋区域在联合行动执行时协同激活。而且，在联合行动中，人们会通过非言语的感觉运动交流方式，增加运动学特征编码的信息，使自身行为更具可预测性，意图更易被伙伴理解，尤其是在任务不确定性较高的情况下。例如，在领导者 - 追随者任务中，当追随者不了解任务时，领导者会放大伸手动作以帮助对方理解行动目标；在双选反应任务中，参与者会降低动作可变性以提高动作可预测性；运动的时空对齐也能增加动作时间的可预测性。感觉运动交流如同 “身体语言”，可以传达多种信息，且与语言交流一样，能利用预测机制，通过短期的 “意外” 信息更新双方对任务的共同理解。
预测性和非预测性理论 —— 持续的讨论
尽管前文提供了个体和联合行动中预测机制的证据，但仍存在两个方法和理论问题。其一，从外部观察者角度看似可预测或被预测的行为，并不一定意味着人类实际进行了预测，我们观察到的可预测性可能只是良好调谐控制系统的结果，因此在解释实证结果时需谨慎，避免过早下结论。其二，完成一项任务往往有多种方式，可能需要预测，也可能不需要。预测性处理理论（如主动推理、最优运动控制）认为人们会使用前向模型预测球的轨迹或他人动作，这样做的优势包括补偿延迟、优化任务相关指标（如端点准确性、动作平滑度）；而非预测性理论（如感知控制理论）则认为人们可能利用记忆和学习机制，而非预测，来完成复杂感觉运动任务，例如在控制鞭子时，记住合适的初始条件。
在联合行动中，除了预测，舞者也可能通过追求共同运动目标来实现同步，领导者向追随者提供目标信号，追随者据此行动。预测机制和共同目标的解释并非相互排斥，部分预测处理模型会利用共同目标解决联合行动任务。关于预测性和非预测性理论的争论仍在继续，如在拦截和接住飞球的例子中，虽然有研究提供了支持预测机制的行为证据，但仍需更多研究来明确区分这两种理论对相关现象的解释。
结论
人类在个体和联合行动中都展现出了精湛的运动技能，实时的分层闭环控制机制是成功完成这些任务的基础。受 “预测性大脑” 框架的启发，研究表明预测机制能辅助闭环控制，解决个体和联合运动控制任务。然而，预测物体动态、他人动作及推断其意图面临诸多挑战。本文所回顾的研究提出了一种可能的解释：人们运用 “预测技巧”，选择具有可预测解决方案的子空间，并使感觉运动互动对他人更具可预测性，这或许能解释人类为何能轻松完成这些具有挑战性的任务。目前，这些理念已开始应用于人工智能和机器人领域，也与近期认为复杂技能存在于低维流形上的理论方法相契合。
本文强调了可预测性、可控性和行为效率之间的基本联系，提高任务的可预测性有助于引导行为进入解决方案子空间，实现更精确的控制，提升预测和控制的效率。鉴于目前对潜在控制过程的讨论仍在继续，且存在不确定性，未来研究的一个重要方向是设计新的研究，仔细区分预测性和非预测性理论，并确定不同情境条件（如延迟）是否会促进同一任务中不同的控制机制。
